深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
881	2026-04-07	VEHiCLE: a Variationally Encoded Hi-C Loss Enhancement algorithm for improving and generating Hi-C data 2021-04-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-88115-9 PMID:33893353	研究论文	本文提出了一种名为VEHiCLE的深度学习算法，用于提高Hi-C接触数据的分辨率	VEHiCLE算法结合了变分自编码器和对抗训练策略，并引入了四种损失函数（对抗损失、变分损失、染色体拓扑启发的绝缘损失和均方误差损失），以增强接触图，使其更适用于下游分析，同时提供了对生物意义和人类可解释特征提取的新见解，并允许用户调整生成合成Hi-C数据	NA	提高Hi-C接触数据的分辨率，以改善染色质构象分析	Hi-C接触数据	机器学习	NA	Hi-C	变分自编码器, GAN	接触图	NA	NA	变分自编码器	NA	NA
882	2026-04-07	A Hybrid Model for Family History Information Identification and Relation Extraction: Development and Evaluation of an End-to-End Information Extraction System 2021-Apr-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/22797 PMID:33885370	研究论文	本文开发并评估了一个用于从电子健康记录中提取家族史信息的端到端信息提取系统	提出了一种结合机器学习和基于规则方法的混合模型，用于实体识别和关系提取，并利用额外标注数据和临床文本嵌入模型提升性能	未明确说明系统在更广泛数据集或不同医疗环境中的泛化能力	开发一个高性能的端到端信息提取系统，用于从非结构化自由文本中识别家族成员和观察结果及其关系	电子健康记录中的非结构化自由文本笔记	自然语言处理	NA	自然语言处理	双向长短期记忆深度学习模型, 在线梯度下降模型	文本	使用了2019年n2c2/OHNLP共享任务数据集、BioCreative/OHNLP 2018语料库以及MIMIC-III临床数据库的临床笔记	NA	双向长短期记忆	精确率, 召回率, F1分数	NA
883	2026-04-07	Evaluating recommender systems for AI-driven biomedical informatics 2021-04-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa698 PMID:32766825	研究论文	本文研究了一种基于网络AI平台的自动化生物医学数据科学方法，通过推荐模型选择和实验来简化机器学习在生物信息学中的应用	提出基于矩阵分解的推荐系统在自动化机器学习中优于元学习方法，并开发了AI驱动的平台PennAI，能够自动选择和配置算法，减少计算负担	研究主要基于165个分类问题进行验证，可能未覆盖所有生物医学数据类型；自动化方法可能无法完全替代专家手动调参	自动化生物医学数据科学，使缺乏机器学习或编程经验的领域专家能够轻松应用机器学习	生物信息学数据，特别是脓毒性休克预测的临床数据	机器学习	脓毒性休克	机器学习自动化	矩阵分解推荐系统，深度学习模型	生物医学数据	165个分类问题	NA	NA	AUROC	NA
884	2026-04-07	Ultrafast light field tomography for snapshot transient and non-line-of-sight imaging 2021-04-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22461-0 PMID:33846338	研究论文	本文提出了一种名为超快光场断层扫描（LIFT）的瞬态成像策略，用于实现高时间分辨率的三维和非视距成像	LIFT技术能够以超过1000帧的速率捕获完整的四维时空信息，实现单次快照成像，解决了现有超快相机在扩展三维场景和非视距成像中的局限性	NA	开发一种高效的瞬态成像方法，以支持三维光传播现象和非视距成像的应用	光在飞行中的现象及非视距场景	计算机视觉	NA	超快光场断层扫描	深度学习	光场数据	NA	NA	NA	时间分辨率（<10皮秒），帧率（30 Hz）	NA
885	2026-04-07	DeepPurpose: a deep learning library for drug-target interaction prediction 2021-04-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1005 PMID:33275143	研究论文	本文介绍了DeepPurpose，一个用于药物-靶点相互作用预测的深度学习库，旨在简化模型使用并提升预测性能	DeepPurpose通过集成15种化合物和蛋白质编码器及超过50种神经架构，提供了一个全面且易用的深度学习库，降低了生物医学领域和深度学习初学者使用门槛	未在摘要中明确提及	开发一个易于使用的深度学习库，以促进药物-靶点相互作用预测的研究和应用	药物-靶点相互作用预测模型	机器学习	NA	深度学习	多种神经网络架构	化合物和蛋白质数据	NA	NA	多种编码器和神经架构	在多个基准数据集上展示了最先进的性能	NA
886	2026-04-06	Enhancing explainability and performance of the depression detection model on social media utilizing feature engineering and LLMs 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00446-x PMID:41883984	研究论文	本研究通过特征工程和大型语言模型（LLMs）提升社交媒体上抑郁症检测模型的可解释性和性能	结合情感状态特征工程和LLMs，将情感状态与抑郁症特征关联，增强模型可解释性	未明确提及具体局限性	提升社交媒体抑郁症检测模型的可解释性和性能	社交媒体数据	自然语言处理	抑郁症	特征工程、词嵌入模型、序列模型、注意力机制、LLMs	序列模型、注意力机制、LLMs	文本	NA	NA	NA	NA	NA
887	2026-04-06	Modeling spectral EEG interactions using graph-structured variational representation learning 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10434-2 PMID:41883490	研究论文	提出一种基于图表示学习的框架，用于从脑电图信号中识别情感	将频域EEG特征建模为结构化图中的节点，并利用GNN-VAE学习紧凑的潜在表示，通过k环邻域连接定义谱邻接关系，实现了跨连续频段的局部消息传递	当前研究侧重于固定的谱连接和受试者依赖的评估	解决从脑电图信号中进行情感识别这一具有挑战性的问题	脑电图信号	机器学习	NA	脑电图	GNN, VAE, 循环神经网络, 注意力模型	脑电图信号	NA	NA	Graph Neural Network-Variational Autoencoder	准确率, F1分数	NA
888	2026-04-06	Bmssnet: a multi-scale feature and efficient spatial attention fusion model for early recognition of Alzheimer's disease 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10441-3 PMID:41883492	研究论文	提出一种基于多尺度特征和高效空间注意力融合的模型BMSSnet，用于阿尔茨海默病的早期识别	采用CNN-Transformer混合架构，结合多尺度注意力机制和轻量级空间门控单元，以捕获局部解剖细节和全局长程依赖，同时提供可解释性	模型性能依赖于ADNI数据集，可能在其他数据集上泛化能力有限，且计算效率虽优化但可能仍受Transformer部分影响	自动化诊断阿尔茨海默病，通过深度学习技术提高识别准确性和可解释性	阿尔茨海默病患者的结构磁共振成像数据	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer	图像	ADNI数据集中的样本，具体数量未在摘要中明确	NA	CNN-Transformer混合架构，具体为BMSSnet	诊断性能指标未在摘要中具体说明，但提及了优越性能	NA
889	2026-04-06	HyCoSwin-PD: An explainable hybrid ConvNeXtV2-Swin transformer framework for Parkinson's disease detection from neuroimaging 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103868 PMID:41884659	研究论文	提出了一种名为HyCoSwin-PD的混合深度学习框架，用于从结构MRI中检测帕金森病	通过整合ConvNeXt-V2和Swin Transformer，联合建模细粒度局部形态和分层全局上下文，并采用专用融合机制统一互补表示	依赖单模态MRI数据集和有限队列，需要多模态和多中心验证	开发一个用于MRI基于帕金森病检测的稳健且临床相关的框架	帕金森病患者	计算机视觉	帕金森病	结构MRI	CNN, Transformer	图像	PPMI数据集中的有限队列	NA	ConvNeXt-V2, Swin Transformer	准确率, 灵敏度, 特异性	NA
890	2026-04-06	A benchmark dataset for primitive Indian paddy field images with deep learning based classification 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112647 PMID:41883571	研究论文	本文介绍了一个用于水稻品种自动识别的印度原始稻田图像基准数据集，并提供了基于深度学习的分类基线方法	创建了首个包含33种印度原始水稻品种、总计3400张田间图像的基准数据集，并采用预训练的NASNet-Large模型提取深度特征，结合线性纠错输出码分类器进行品种识别	数据集仅包含印度特定地区的33个水稻品种，可能无法推广到其他地区或更多品种；计算时间较长（约82811秒）	开发自动化水稻品种识别方法，以支持作物监测、品种鉴定和精准农业研究	印度原始水稻品种的田间图像	计算机视觉	NA	深度学习图像分类	CNN	图像	33个水稻品种，每个品种100张图像，总计3400张图像	NA	NASNet-Large	准确率, 灵敏度, 特异性, 精确率, 假阳性率, F1分数, 马修斯相关系数, 科恩卡帕系数	NA
891	2026-04-06	Deep Learning Integration in Optical Microscopy: Advancements and Applications 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70112 PMID:41486782	综述	本文探讨了深度学习在光学显微镜中的集成，重点关注图像分类、分割和计算重建等关键应用	深度学习作为变革性方法，提升了图像重建、增强和分析的精度，减少了手动干预和对领域专业知识的依赖	需要大量标注数据集、动态样本变异性、模型可解释性以及潜在的数据偏差	探索深度学习在光学显微镜中的应用，以解决传统显微镜面临的挑战	光学显微镜图像及其处理	计算机视觉	NA	光学显微镜	CNN, U-Net, ResNet, GAN	图像	NA	NA	卷积神经网络, U-Net, 残差网络, 生成对抗网络	NA	NA
892	2026-04-06	Artificial intelligence model for cardiovascular disease risk prediction in breast cancer patients using electronic health records and computed tomography scans 2026-May, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111455 PMID:41759965	研究论文	本研究开发了一种融合深度学习模型，利用电子健康记录和CT扫描预测接受放疗的乳腺癌患者的心血管疾病死亡风险	首次结合电子健康记录和CT扫描数据，通过融合深度学习模型预测乳腺癌患者的心血管疾病死亡风险	研究仅针对接受放疗的乳腺癌患者，可能不适用于其他癌症类型或治疗方式	预测乳腺癌患者心血管疾病死亡风险，实现早期检测	接受放疗的乳腺癌患者	数字病理学	心血管疾病	CT扫描，电子健康记录分析	融合深度学习模型	图像，文本	23,067名患者，包含约500万张CT切片和约60万份电子健康记录文档	NA	NA	AUC，准确率	NA
893	2026-04-06	Developing an artificial intelligence tool for detecting fractures of child abuse: preliminary findings 2026-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12513-8 PMID:41934493	研究论文	本研究旨在开发和评估一种基于深度学习的AI工具（BoneView），用于检测儿童虐待导致的骨折，通过初步训练提升了模型性能	首次将商业可用的深度学习算法应用于儿童虐待骨折的自动检测，并通过针对性的放射影像数据重新训练，初步验证了其性能提升的潜力	研究为单中心回顾性试点研究，样本量相对有限（1740名患者），且参考标准依赖于放射学报告和单一观察者的回顾性审查，可能存在偏差	开发并评估一种人工智能工具，以提高儿童虐待所致骨折的诊断准确性，辅助临床决策	5岁以下因疑似身体虐待接受骨骼检查的儿童及其放射影像	数字病理学	儿童虐待	放射影像学检查（骨骼检查）	深度学习模型	图像（放射影像）	1740名患者（平均年龄8.77个月，1026名男性），其中1227项阳性研究中329项被标注用于训练	NA	BoneView	AUC, 灵敏度, 特异性	NA
894	2026-04-06	Application of transformer-enhanced convolutional neural network: multicenter MRI assessment of muscle invasion in bladder cancer 2026-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12497-5 PMID:41934494	研究论文	本研究开发了一种基于Transformer增强卷积神经网络的深度学习模型，用于多中心MRI评估膀胱癌的肌层浸润情况	通过深度学习模型克服了传统MRI解读中因病灶形态（带蒂与无蒂）导致的诊断偏差，特别是在无蒂病灶中显著提高了特异性	研究未明确说明模型在其他类型病灶或不同MRI设备上的泛化能力，且样本量虽为多中心但可能仍存在选择偏倚	准确评估膀胱癌的肌层浸润情况，以指导治疗选择	膀胱癌患者	数字病理学	膀胱癌	MRI	CNN, Transformer	图像	1374名患者	PyTorch	nnU-Net, ConvNeXt-tiny	Dice系数, AUC, 准确率, 灵敏度, 特异性	NA
895	2026-04-06	Public opinion dissemination simulation based on large language model multi-agent systems 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44206-z PMID:41935064	研究论文	本研究开发了一个基于大语言模型多智能体系统的公共舆论传播模拟框架，结合宏观扩散模式和微观个体认知，以提高模拟的真实性和效率	提出一个结合宏观行为概率分布（基于真实社交媒体数据校准）和微观动态语义生成（通过LLM认知核心）的统一多智能体框架，支持零样本冷启动并显著降低领域适应计算成本	未明确说明模拟系统在更复杂或大规模社会网络中的可扩展性，以及LLM生成内容可能存在的偏见对模拟结果的影响	开发一个高保真、低成本的公共舆论传播模拟系统，用于舆论危机管理	公共舆论在社交媒体上的形成与扩散过程	自然语言处理	NA	大语言模型（LLM），多智能体模拟	多智能体系统	文本（社交媒体数据）	NA	NA	NA	归一化智能体行为分布熵，Distinct-2指标	NA
896	2026-04-06	A deep learning-based multimodal model with automated body composition analysis predicts prognosis in advanced clear cell renal cell carcinoma 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46515-9 PMID:41935094	研究论文	本研究开发了一种基于深度学习的多模态预测模型，通过整合自动化的身体成分分析与临床病理特征，用于预测晚期透明细胞肾细胞癌的预后	首次将深度学习自动化的身体成分分析（Comp2Comp模型）与临床病理特征结合，构建了可解释的多模态预测模型，并通过转录组学分析探索了关键成像特征的生物学基础	研究为回顾性多中心设计，存在潜在的选择偏倚；初步外部验证队列规模可能有限，需要进一步前瞻性验证	开发自动化、可解释的预测模型，以评估晚期透明细胞肾细胞癌的预后并探索其潜在机制	接受根治性肾切除术的晚期透明细胞肾细胞癌患者	数字病理学	肾细胞癌	CT成像，转录组学分析，免疫组织化学	深度学习，机器学习	CT图像，临床病理数据，转录组数据	未在摘要中明确指定患者数量，但涉及多中心回顾性队列和独立外部验证队列	未在摘要中明确指定，但提及了深度学习模型（Comp2Comp）和机器学习模型	Comp2Comp（用于身体成分分析），MLP（多层感知器），SVC（支持向量分类器）	AUC（曲线下面积），校准和区分度指标	未在摘要中明确指定
897	2026-04-06	Transformer augmented hybrid deep learning for explainable multi class pest classification 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41248-1 PMID:41935133	研究论文	本文通过图像级分类对19种害虫进行多类别分类，全面评估了多种深度学习架构，包括经典CNN、复合缩放模型、残差架构、自动化NAS模型以及新型混合CNN-Transformer设计	提出并评估了多种注意力增强的混合CNN-Transformer模型，如Hybrid EfficientNetV2-S + Transformer，结合卷积特征层次与全局自注意力机制，在害虫分类任务中显著优于传统CNN	NA	实现早期准确的害虫识别，以支持有效的害虫管理和智能精准农业系统开发	19种害虫物种的图像数据	计算机视觉	NA	图像分割预处理（GrabCut, Watershed, SLIC, Felzenszwalb）	CNN, Transformer	图像	NA	NA	MobileNetV2, VGG16, EfficientNetB0/B3, EfficientNetV2-B0, ResNet50, Xception, NASNetLarge, Hybrid InceptionResNetV2, Hybrid ResNet50 + CBAM, Hybrid EffNet-Transformer, Hybrid EfficientNetV2-S + Transformer	验证准确率, 宏F1分数, 验证损失	NA
898	2026-04-06	Integrating tumor habitat heterogeneity with a hybrid deep learning architecture for ultrasound radiomics: a dual-center study on non-invasive prediction of PD-L1 expression in triple-negative breast cancer 2026-Apr-04, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-026-02275-y PMID:41935256	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
899	2026-04-06	Deep learning‑based ultra-high-resolution CT imaging of viral pneumonia at admission and after discharge 2026-Apr-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02320-4 PMID:41935266	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
900	2026-04-06	MZSGO: multimodal zero-shot protein function annotation via evolutionary signals and textual semantics 2026-Apr-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag168 PMID:41934619	研究论文	本文提出了一种名为MZSGO的多模态零样本蛋白质功能注释框架，通过融合蛋白质语言模型的进化信号和大型语言模型的语义特征，以解决现有方法在泛化到新标签方面的局限性	提出了一种多模态零样本框架，首次将蛋白质语言模型的进化信号与大型语言模型的语义特征通过自适应门控融合机制结合，以弥合序列与文本之间的语义鸿沟，从而实现对未见标签的鲁棒预测	未在摘要中明确提及具体限制，但可能涉及模型对多模态数据融合的依赖以及计算资源需求	开发一种能够泛化到未见蛋白质功能标签的零样本预测方法，以克服现有方法在模态利用和语义理解上的不足	蛋白质功能注释，特别是针对基因本体（GO）术语的预测	自然语言处理	NA	蛋白质语言模型，大型语言模型（LLMs）	多模态融合模型	序列数据，文本数据	NA	NA	自适应门控融合机制	NA	NA